"""Draft generation across all configured providers and author selection."""
from rich.console import Console
from rich.panel import Panel
from rich.prompt import Prompt

console = Console()

_DRAFT_SYSTEM = """Du bist ein erfahrener Ghostwriter für die LinkedIn-Kolumne KNIEPUNKT von Dr. André Knie.

Tonvorgaben:
- Kolumnenhaft und glossenhaft: pointiert, amüsant, Widersprüche und Anekdoten nutzen
- Kulturell gebildet: griechische/römische Mythologie, Kanonliteratur und klassische deutsche Literatur willkommen
- Meinungsstark: die Meinung des Autors muss deutlich erkennbar sein
- Nicht zu technisch: Entscheider-Zielgruppe, kein Tech-Deep-Dive
- Lesernahe Interpretation: nicht nur Nachrichten referieren, sondern einordnen und bewerten

Format: LinkedIn Newsletter-Artikel, 600–900 Wörter. Sprache: Deutsch.
Füge am Ende an: ## Quellen (nummeriert mit URL/Fundort)."""

_ENRICHMENT_SYSTEM = _DRAFT_SYSTEM + (
    "\n\nDu erhältst einen bestehenden Entwurf und Überarbeitungshinweise. "
    "Ändere nur, was explizit verlangt wird. Behalte Ton, Meinung und Aufhänger bei."
)


def _build_prompt(
    storyline_text: str,
    storyline_choice: int,
    adjustments: str,
    news_digest: str,
    source_assessment: str,
    author_input: dict,
) -> str:
    adj = f"\nAnpassungen des Autors: {adjustments}" if adjustments else ""
    return f"""Schreibe einen vollständigen KNIEPUNKT-Artikel.

Ausgewählte Storyline (Option {storyline_choice}):
{storyline_text}
{adj}

Verfügbare Nachrichten:
{news_digest}

Quellenbewertung (für Quellenauswahl beachten):
{source_assessment[:800]}

Persönliche Notizen des Autors:
{author_input['author_news'][:500]}

Schreibe jetzt den vollständigen Artikel im KNIEPUNKT-Stil.
Anhang: ## Quellen (nummeriert mit URL/Fundort)."""


def generate_drafts(
    providers: list,
    storyline_text: str,
    storyline_choice: int,
    adjustments: str,
    news_digest: str,
    source_assessment: str,
    author_input: dict,
) -> dict[str, str]:
    """Run draft generation on all providers. Returns {provider_name: draft}."""
    prompt = _build_prompt(storyline_text, storyline_choice, adjustments, news_digest, source_assessment, author_input)
    messages = [{"role": "user", "content": prompt}]
    results = {}

    for provider in providers:
        console.print(f"\n[yellow]Schreibe Entwurf mit {provider.name}...[/yellow]")
        try:
            results[provider.name] = provider.chat(messages, _DRAFT_SYSTEM, max_tokens=4096)
        except Exception as e:
            console.print(f"[red]{provider.name} übersprungen: {e}[/red]")

    return results


def select_draft(results: dict[str, str]) -> tuple[str, str]:
    """Show all drafts, return (provider_name, selected_draft_text)."""
    if not results:
        raise RuntimeError("Kein Modell hat einen Entwurf geliefert. API-Keys und Verbindung prüfen.")
    provider_names = list(results.keys())

    for name, draft in results.items():
        console.print(Panel(draft, title=f"Entwurf – {name}", border_style="green"))
        console.print()

    if len(provider_names) > 1:
        choice = Prompt.ask(
            "Welchen Entwurf als Basis verwenden?",
            choices=provider_names,
            default=provider_names[0],
        )
    else:
        choice = provider_names[0]

    return choice, results[choice]


def enrich_draft(client, draft: str, author_feedback: str) -> str:
    """Refine the selected draft based on author feedback (Claude only)."""
    from kniepunkt.llm import chat

    console.print("\n[yellow]Überarbeite Entwurf...[/yellow]")

    prompt = f"""Überarbeite diesen KNIEPUNKT-Entwurf basierend auf den folgenden Autorenhinweisen.

Aktueller Entwurf:
{draft}

Hinweise des Autors:
{author_feedback}"""

    return chat(client, [{"role": "user", "content": prompt}], _ENRICHMENT_SYSTEM, max_tokens=4096)